1.创建环境
conda create --name py310 python=3.10
2.激活环境
conda activate py310
3.退出/取消激活 环境
conda deactivate py310
4.删除环境
conda remove --name py310 --all
5.列出当前系统中的环境
conda info -e
conda env list
6.conda安装相应的包(拿numpy举例)
conda install numpy
7.列出当前环境下安装的包
conda list
8.查找当前环境下包的信息(拿numpy举例)
conda search numpy
9.更新当前环境下的包(拿numpy举例)
conda update numpy
conda update --all #升级全部
conda update conda #升级conda自己
10.删除当前环境下的包(拿numpy举例)
conda remove numpy
11.更新当前环境下的Python. 注意这里更新Python指的是将Python3.x.y的y更新到最新, 而不会更改大版本.
conda update python
12.当前环境下使用pip
pip install matplotlib
pip list
pip ...
...
13.在新的环境中安装CUDA （默认安装最新版本CUDA）
conda install cuda -c nvidia
2.在新的环境中卸载CUDA
conda remove cuda
CUDA Toolkit下载链接：
CUDA Toolkit Archive | NVIDIA Developer
3.在新的环境中安装PyTorch
pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118
验证PyTorch是否正确安装
python
import torch
x = torch.rand(5, 3)
print(x)
如果输出类似下面这样就表示成功
tensor([[0.3380, 0.3845, 0.3217],
[0.8337, 0.9050, 0.2650],
[0.2979, 0.7141, 0.9069],
[0.1449, 0.1132, 0.1375],
[0.4675, 0.3947, 0.1426]])
验证GPU驱动和CUDA是否可用
import torch
torch.cuda.is_available()
PyTorch链接：
Start Locally | PyTorch
C:\Users\用户名.condarc 文件配置
channels:
- defaults
show_channel_urls: true
default_channels:
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2
custom_channels:
conda-forge: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
msys2: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
bioconda: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
menpo: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
pytorch: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
pytorch-lts: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
simpleitk: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
envs_dirs:
- D:\Anaconda3\envs
